水下计算机视觉作为海洋科学研究和海洋工程应用的重要技术手段，近年来受到广泛关注。然而，与陆地环境相比，水下成像受光线衰减、颜色偏移、散射效应及设备限制等因素影响，相关任务面临显著挑战。高质量数据集的构建是推动水下计算机视觉技术发展的关键资源，其质量与多样性直接影响模型的训练效果和性能表现。为全面了解水下数据集的发展脉络、优势与局限性，本文对当前主要数据集进行了系统综述，涵盖水下视觉增强、水下场景理解以及水下三维重建等多个关键任务。在水下视觉增强方面，分析了图像/视频增强、颜色校正与复原、超分辨率重建等数据集；在水下场景理解方面，系统梳理了目标分类、目标检测、语义分割、实例分割、显著性检测、伪装目标检测以及目标跟踪等任务的代表性数据集；在水下三维重建方面，探讨了同时定位与建图（simultaneous localization and mapping，SLAM）、神经辐射场（neural radiance fields，NeRF）和三维高斯散射（three-dimensional gaussian splatting，3D GS）等技术相关的数据集发展状况。基于对现有数据集的构建方法、规模特征及应用场景的综合分析，本文总结了当前面临的主要挑战，并探讨了未来可能的发展方向，为相关研究人员提供了全面的数据集资源参考，有助于推动水下计算机视觉技术的深入研究与广泛应用。
Hua et al. (Thu,) studied this question.